Microsoft 数据中心扩张瞄准 38 GW，但电力才是真正的制约

Microsoft 计划到 2032 年将其数据中心容量提升至现有水平的三倍以上，尽管其当前运营的网络额定容量已约为 12 吉瓦。据报道，这项 Microsoft 数据中心扩张计划将使这一数字超过 38 吉瓦。此前，算力短缺据称迫使该公司拒绝了一些 AI 和云计算业务。

这一目标揭示了 Microsoft 基础设施战略的显著转向。该公司在 2025 年暂停或缩减了部分规划中的容量。如今，它需要加快建设、租赁、硬件安装和电力采购，以缓解由此造成的供应压力。

这也不仅仅是 Microsoft 与 Amazon Web Services 之间的竞争。Microsoft 正在与部分由其早期规划决策造成的短缺赛跑。每一台延迟上线的服务器都可能限制 Azure 的销售、制约 Copilot 产品，或迫使公司在不同工作负载之间做出优先级取舍。

38 吉瓦这一数字目前仍是据报道的内部目标，而非已建成的资产基础或公司的正式预测。它的重要性来自其规模，以及背后的商业问题：Microsoft 需要大幅增加算力容量，因为现有需求已经超过其网络部分区域可提供的服务能力。

Microsoft 数据中心扩张瞄准 38 吉瓦

据报道，Microsoft 的目标将在六年内新增超过 26 吉瓦的容量，形成一支规模超过许多国家电力系统的基础设施集群。

据熟悉公司规划的人士称，这一计划中的网络将在 2032 年超过 38 吉瓦，而目前约为 12 吉瓦。这些容量分布在 Microsoft 的全球网络中，而非集中于某一个园区。

一吉瓦相当于 10 亿瓦的电力容量。在数据中心规划中，它是衡量一个场地可支持多少计算设备的实用指标。可用电力并不完全等同于计算性能，但它为运营商可运行的设备数量设定了硬性上限。

这一对比之所以重要，是因为现代 AI 集群需要为加速器、处理器、内存、网络和存储供电。冷却系统、变压器及其他设施设备还会带来额外需求。只有整条链路完成安装和调试后，一个场地才能成为可用的云计算容量。

最初的容量报道称，该计划中的网络耗电量将超过纽约州在用电高峰期的总用电量。这一比较说明了其规模，但数据中心容量与全州峰值用电量并非完全相同的衡量指标。

据报道，Microsoft 现有 12 吉瓦容量中，只有约 2 吉瓦以 AI 专用芯片为核心。到 2032 年，AI 设备预计将占规划中 38 吉瓦网络的约三分之一。其余容量将支持更广泛的 Azure、存储、数据库、生产力工具和互联网工作负载。

这种构成有助于解释，不能将这一目标解读为一个巨型训练集群。Microsoft 正在为多项业务建设分布式计算系统。同一套基础设施战略必须服务于前沿模型开发、客户 AI 工作负载、Copilot 推理以及传统云应用。

Microsoft 已将其底层资源池描述为可灵活调配的，也就是说，资源能够支持 AI 生命周期的不同阶段。这些阶段包括模型训练、后训练、合成数据生成和推理。推理是指运行训练完成的模型，以生成答案或完成任务的过程。

公司在其2026 财年更新中概述了这一思路。当时，管理层预计全年 AI 总容量将增长逾 80%，整体数据中心布局则将在两年内大致翻倍。

最新披露的目标将此前的承诺延伸至 2032 年。它也将泛泛的扩张承诺转化为具体的电力容量指标。Microsoft 实际上是在为持续性需求做准备，而非围绕某一代模型的短期激增。

不过，38 吉瓦是一个目的地，而不是客户今天就能使用的容量。场地必须获得土地、并网协议、设备、网络连接和当地许可。随后，服务器还需要达到 Microsoft 所称的“revenue ready”状态，即能够支持可计费服务的基础设施。

这种区分至关重要。宣布建设一个园区并不能解决当前的 Azure 短缺。即便建筑已经完工，若没有芯片、电力系统和软件集成，也无法销售云服务。

因此，Microsoft 面临着两套时钟。一套衡量其朝 2032 年网络目标推进的进度；另一套衡量近期容量多快能交付给已准备好立即付费的客户。

短缺已经让 Microsoft 流失业务

这项扩张既是防御性举措，也是雄心勃勃的计划，因为据报道，容量不足已使 Microsoft 无法承接现有需求。

Microsoft 的短缺同时影响了 AI 和传统云业务机会。根据据报道的内部计划，在 Microsoft 缺少足够服务器后，一些客户将新增业务转向了其他地方。销售团队手中握有需求，却无法将其转化为收入。

这种情况改变了投资者解读 Microsoft AI 基础设施支出的方式。该公司不只是在预测未来市场并提前建设，也是在回应现有供应无法满足的订单。

Microsoft 此前已经向投资者警告过这一限制。在其第三财季电话会议上，管理层表示，预计容量限制至少将持续到 2026 自然年。公司正努力加快 GPU、CPU、存储和已完工设施的上线速度。

这项容量警告之所以重要，是因为它在 38 吉瓦目标公开前数月便直接来自管理层。它支持了更广泛的观点，即受限的供应正在影响 Microsoft 的运营计划。

云容量短缺可能带来多种压力。服务提供商可能推迟部署、限制特定加速器的使用权限，或向客户提供不同区域的资源。它也可能将稀缺设备预留给具有更高战略回报潜力的内部产品。

Microsoft 在异常广泛的产品组合中面临这一资源分配问题。Azure 客户需要原始算力和托管 AI 服务。内部团队则需要相同的基础设施来支持 Microsoft 365 Copilot、GitHub、安全产品、搜索功能和消费级应用。

OpenAI 又带来了一个重要的需求与复杂性来源。Microsoft 仍是其核心商业和技术合作伙伴，但 OpenAI 已拓展其基础设施合作关系。两家公司在保留重要经济联系的同时，正日益采取不同的容量战略。

因此，短缺可能迫使 Microsoft 在多项具有吸引力的机会之间作出选择。将服务器分配给内部 Copilot 工作负载，可能会压缩 Azure 的可用库存；将服务器租给外部客户，则可能减缓 Microsoft 自身应用的扩张。

这些并非永久性选择，因为容量可以重新分配。然而，区域承诺、硬件配置和客户合同会降低灵活性。围绕某一代加速器设计的集群，无法立即变成适用于每一种工作负载的理想系统。

延迟和数据驻留要求带来了更多限制。延迟是请求与响应之间的时间间隔。许多应用需要靠近用户的计算资源，而受监管的客户可能要求信息留在特定司法管辖区内。

Microsoft 无法仅通过在成本最低的地点建设全部 38 吉瓦来解决这些需求。它需要在合适的市场部署具备适当认证和网络连接的容量。这一要求使全球扩张速度慢于标题数字所暗示的程度。

短缺也赋予客户更多议价能力。企业通常不愿让最重要的工作负载依赖于可能无法获得的容量。一些企业可以将新项目转向 AWS、Google Cloud、Oracle 或专门的 AI 基础设施提供商。

迁移一个已建立的企业系统仍然很困难。新的 AI 实验则更具可移植性，因为开发团队并不总是已经承诺采用某一种云架构。容量问题可能在长期合同和技术依赖形成之前，就影响这些早期决策。

对于软件团队而言，实际问题在于可靠性，而不是 Microsoft 最终控制的总吉瓦数。当所需 GPU 在获批区域不可用时，开发路线图可能会延后。采购团队可能会通过审核多家供应商来应对。

即使 Azure 后来赶上进度，这种应对也会加大竞争压力。一旦开发人员积累了使用第二个平台的运营经验，Microsoft 就必须为每一次新的部署展开竞争。在短缺期间失去的机会，可能会比短缺本身持续得更久。

Microsoft 正在与自身 2025 年的收缩竞争

核心矛盾不只是 Microsoft 与其他超大规模云服务商之间的竞争；而是 Microsoft 当前的需求，与这部分需求充分显现之前所作出的容量决策之间的矛盾。

2025 年初，Microsoft 放弃了一些拟议租约，并暂停了其开发管线中的部分项目。这些举动引发了外界对于公司是否订购了过多 AI 容量的疑问。它们也反映出市场对 OpenAI 基础设施需求预期的变化。

Microsoft 当时表示，公司会提前多年规划容量，并会在不同市场间调整项目。这种灵活性对于全球云服务运营商而言很正常。项目可能因电力可用性、租约条款、施工进度、硬件计划或客户需求而调整。

问题在于，基础设施决策会产生滞后影响。取消租约可以迅速节省开支，但日后重新补足容量可能需要数年。公用事业公司、燃气轮机制造商、芯片供应商和施工承包商都受到各自约束。

Microsoft 现在似乎正朝相反方向进行修正。公司预计将部署更多容量、延长部分租约期限，并支持规模大得多的全球资源集群。据报道，该计划将部分长期数据中心租约的期限从 15 年延长至 25 年。

更长的租期可以降低某些安排下每年确认的资本支出。它并不会让底层基础设施变成免费资源。Microsoft 仍承担更长期的承诺，并承受设备或需求在合同期满前发生变化的风险。

这一会计细节很重要，因为投资者常将资本支出视为衡量 AI 投资的简单指标。租赁期限的变化可能改变年度披露数字，却不会带来相应的实体容量变化。现金流、折旧、租赁负债和运营就绪情况则提供了额外证据。

Microsoft 预计其 2027 财年第一季度的资本支出约为 500 亿美元。据报道，该公司还预计在 2026 年全年投入约 1,750 亿美元。这些数字不仅涵盖 AI 芯片，因此不应被视为 38 吉瓦目标的直接价格。

部分支出用于土地、建筑、网络设备和传统云服务器。其他支出则用于采购能够更快产生收入的加速器及相关硬件。这些类别的使用寿命和部署时间表存在显著差异。

Microsoft 的机群策略试图通过支持多种工作负载来降低这一风险。如果某个模型或提供商的需求走弱，公司可以将合适的资源重新分配给 Azure 客户或内部服务。不过，这种灵活性存在技术和商业层面的限制。

通用云服务器无法替代高度互联的 AI 集群。大型模型训练需要专用加速器和高带宽网络，以使数千枚芯片能够协同工作。推理可能更适合不同的硬件、内存和区域部署方式。

Microsoft 同样不能假设每一单位新增算力都能产生相同收入。容量利用率衡量已部署基础设施中实际被使用的比例。低利用率将使 Microsoft 在没有相应客户销售收入的情况下承担折旧和运营成本。

此前的收缩与当前的加速表明，预测已变得极为困难。Microsoft 必须在尚不清楚哪些模型、芯片和应用将占据主导地位之前，对基础设施下注。等待确定性会造成短缺，而过早建设则会产生闲置资产。

最稳妥的解读是，管理层如今认为，供应不足是更大的近期威胁。Microsoft 2026 财年的业绩进一步强化了这一立场。Azure 增长依然强劲，而基础设施限制持续存在。

该公司还表示，2027 财年的资本支出将高于上一财年。管理层将这一决定与其产品组合中的需求信号联系起来，并承认持续的 AI 投资正在给云业务利润率带来压力。

这种利润率压力代表着弥补短缺的成本。Microsoft 必须在新设施带来实质性收入之前进行投入。随后，公司需要在多年内获得足够的需求和定价，以取得可接受的回报。

这正是 Microsoft 数据中心容量目标比普通建设公告更具分量的原因。它是对近期商业瓶颈进行的一项长期修正。其成功取决于，在当下最紧迫的短缺消失后，需求是否仍能保持持久。

Amazon 和 Google 面临同一场竞赛，但 Microsoft 承受着独特压力

各大云服务提供商都在增加 AI 基础设施，但 Microsoft 必须同时支持 Azure、自身的 Copilot 产品，以及与 OpenAI 不断变化的关系。

AWS 仍是按收入计算的全球最大云基础设施提供商。Amazon 表示，其计划中的 2025 年资本支出绝大部分将用于支持 AI 数据中心。该公司还在继续开发其自研 AI 加速器 Trainium 和 Inferentia。

定制芯片可以降低对 Nvidia 的依赖，并让云运营商对成本拥有更多控制权。Microsoft 也通过自身的芯片项目采取了类似路径。不过，客户仍要求获得 Nvidia 硬件，因为其软件生态仍被广泛采用。

Google 带来了另一种垂直整合模式。它在 GPU 之外还运营自己的张量处理器，即 TPU。TPU 是专为机器学习工作负载设计的处理器。Google 可以将其用于内部服务、Gemini 产品和 Google Cloud。

Google 也曾形容算力供应紧张。在此前的财报电话会议中，管理层表示，额外支出需要时间才能转化为可用容量。这一提醒表明，Microsoft 面临的建设难题是全行业性的，尽管其此前的收缩加剧了压力。

竞争对手的差异在于需求来源。Amazon 主要通过 AWS 及其更广泛的消费者业务推进 AI 战略。Google 可以将基础设施分配给搜索、广告、YouTube、Gemini 以及外部云客户。

Microsoft 则有着异常复杂的资源分配格局。Azure 是一项重要的平台业务，而 Microsoft 365 和 GitHub 直接销售 AI 功能。与 OpenAI 相关的工作负载和商业义务又增加了一个变量，这是 AWS 和 Google 并不以相同形式拥有的因素。

OpenAI 的合作关系曾赋予 Azure 明显优势。Microsoft 得以较早接触快速增长的模型提供商，并将其技术整合到各类产品中。它也因此承受了 OpenAI 对算力容量异常旺盛的需求。

OpenAI 此后已将业务扩展至 Azure 之外，并与其他基础设施合作伙伴展开合作。这一变化削弱了 Microsoft 作为独家供应商的角色，也让两家公司拥有更大自由度来发展独立设施和商业战略。

Texas 的一个项目体现了这一不断演变的格局。Microsoft 接管了 Abilene 园区的额外容量，而 OpenAI 和 Oracle 已在该地开发基础设施。相邻项目让一个地点成为合作关系日益竞争化的实体缩影。

Microsoft 还在 Texas 的 Pecos 附近建设大型园区。该公司表示，该地点将为其全球容量增加约 2 吉瓦。其 Pecos project 位列 Microsoft 已宣布的最大单项扩容项目之一。

Pecos 这类设施说明公司如何能够向 38 吉瓦迈进，也说明这一目标为何困难。即使是一个异常庞大的园区，也只能满足据报道计划所设想的 26 吉瓦增量中的一部分。

竞争对手都在争夺同样有限的投入要素。所有公司都需要加速器、电力设备、建筑劳动力、光纤连接和发电能力。即使拥有充足资本，服务商仍可能面临长达数年的输电升级或电网接入等待期。

这场竞赛为专业基础设施公司创造了机会。当内部建设无法足够迅速推进时，Microsoft 曾向外部运营商租赁算力容量。这类协议可以加快部署，但长期成本可能更高。

外部容量也可能带来运营差异。Microsoft 必须将合作伙伴设施整合进 Azure 网络、安全控制和服务标准。无论建筑由谁拥有，客户都期待一致的云服务体验。

对企业买家而言，竞争应会随着时间推移改善硬件可用性。但在过渡期间，它也可能造成容量碎片化。即使行业宣布了巨额总投资，某些芯片、区域和服务配置仍可能供应紧张。

因此，开发者应在短缺中断项目之前评估可移植性。容器、标准模型接口和清晰的数据架构能够降低切换成本。这些措施无法消除所有云依赖，但当某一地区缺乏容量时，它们能提供更多筹码。

团队还应保留 AI 系统背后的决策依据。可检索的 AI knowledge base 可以在服务商发生变化时，保留模型评估、基础设施假设和合规要求。当采购和工程团队必须迅速重新评估部署方案时，这些背景信息将变得很有价值。

38 吉瓦目标面临电力与执行考验

Microsoft 最大的障碍已不再是是否投资，而是在不产生不可接受的财务或环境成本的前提下，将资本转化为可用容量。

电力是第一项约束。数据中心全天都需要大量且可靠的供电。AI 工作负载可以持续运行，而本地电网仍必须为住宅、医院、工厂和其他企业提供服务。

一座规划中的设施可能要等待数年才能接入电网。新变电站和输电线路需要许可、设备和协调施工。发电项目则可能面临单独的环境审查和当地反对。

Microsoft 正越来越多地将园区与专用能源安排相结合。当现有电网缺乏富余容量时，这种方式可以推动项目进展。但当项目依赖天然气或其他高碳排放能源时，也可能令公司面临批评。

规模加剧了这一挑战。从 12 吉瓦提升至超过 38 吉瓦，意味着到 2032 年前每年平均净增容量需超过 4 吉瓦。随着各个园区陆续投运，实际建设将呈现不均衡分布。

这一计算没有考虑现有机群内的退役或替换。随着新加速器效率提高，旧服务器会失去经济价值。Microsoft 必须在建设目标所承诺的新增容量之际，对既有容量进行现代化改造。

硬件可用性构成第二项约束。AI 系统需要的不只是加速器芯片，还依赖内存、网络组件、存储设备、电气开关设备、变压器、备用系统和冷却设备。

任何一个类别的短缺都可能推迟整个集群。Microsoft 可能拥有建筑并持有大部分服务器，却仍未具备可产生收入的容量。这使得部署速度与采购支出同样重要。

建设质量是另一项风险。AI 集群会在每座设施内集中产生巨大的电力和热负载。直接芯片液冷将冷却液输送至处理器附近，以更高效地散热。这些设计需要不同于许多旧设施的管道、监控和维护做法。

Microsoft 表示，较新的冷却系统可减少单个设施的用水量。其 sustainability report 还介绍了提高用水效率、再利用设备和签约增加供电的努力。这些举措并不能消除规模扩大至三倍的网络所带来的总体影响。

效率可能落后于绝对增长。某一代服务器可能每单位电力可完成更多计算，但总用电量仍会上升。相同效应也适用于水资源、建筑材料和供应链排放。

当地社区将通过更直接的关切来评判项目。居民希望知道园区是否会提高电价、消耗稀缺水资源、产生噪音，或将基础设施成本转嫁给纳税人。承诺创造的就业岗位也可能引发争议，因为运营数据中心所需员工少于建设阶段。

Microsoft 推出了旨在回应部分担忧的社区承诺。该公司表示将承担自身电力成本，并避免推高当地公用事业账单。这些承诺的执行将因公用事业机构和司法辖区而异。

财务风险同样重要。2032 年目标假定云和 AI 需求将为数年前订购的基础设施提供合理支撑。AI 模型可能变得更高效，从而降低完成特定任务所需的计算资源。

效率提升并不必然降低总需求。更低的成本可能鼓励更多个人和企业运行 AI 工作负载。尽管如此，Microsoft 无法确定这些增长是否足以抵消芯片、模型和软件的每一项改进。

竞争也可能在 Microsoft 充分利用其新建机群之前压低价格。AWS、Google、Oracle、专业云服务商和模型提供商都在扩张。类似产能的大量涌现将削弱长期设施的回报。

Microsoft 的回应是，需求已经超过供给。Azure 的增长和现有产能限制支持这一说法。然而，这并不能保证到 2032 年规划的每一吉瓦产能，都能获得与当前部署产能相同的回报。

投资者应同时关注云业务毛利率和营收增长。Microsoft 表示，持续的 AI 基础设施投资和不断上升的使用量正在拖累 Microsoft Cloud 的利润率。即使建设支出放缓，折旧仍将持续，因为这些资产依然留在资产负债表上。

租赁会计同样值得关注。将租期从 15 年延长至 25 年，可能会以不同方式分摊报告中的资本支出。分析师应审视租赁负债和现金承诺，而不是依赖单一支出数字。

因此，核心不确定性并不在于 Microsoft 能否为该计划融资。其资产负债表和经营现金流提供了充足资源。不确定的是，实体交付和长期利用率能否证明这一规模的合理性。

Microsoft 扩建 AI 基础设施时值得关注的事项

有三个信号将表明，这轮扩张究竟是在解决 Microsoft 的产能短缺，还是仅仅制造了更多尚未完工和利用不足的资产积压。

第一个信号是管理层对产能限制的表述。Microsoft 此前预计，这些限制将持续到 2026 年底。投资者应在接下来的财报电话会议中留意这一预测是否出现明确变化。

限制期缩短将表明服务器正更快地交付给客户。若警告持续，则意味着支出和建设尚未解决部署瓶颈。最有价值的证据，应当能够将新增产能与 Azure 的可用性和营收联系起来。

Azure 的增长构成了这项检验的商业维度。强劲增长同时伴随可用性改善，将支持 Microsoft 加速扩张的决定。若限制缓解后增长放缓，则会引发疑问：此前的稀缺性是否掩盖了基础需求的疲软。

第二个信号是可产生营收的部署进度。宣布的吉瓦数、已签署的电力协议以及在建建筑都衡量着进展，但没有一项等同于客户实际可以买到的计算能力。

Microsoft 的最新财报电话会议维持了其 2026 年历投资预期，并预计 2027 财年的资本支出将更高。未来披露应显示，这些投资是否缩短了投运时间。

关注有关已安装服务器、已开放区域以及正式全面推出的云服务的细节。计划电力容量与实际运行计算容量之间不断扩大的差距，将削弱 38 吉瓦叙事的可信度。

第三个信号是大型园区背后的电力策略。每个大型项目都需要一条明确的发电、输电和并网路径。延误或社区纠纷可能将整部分产能推迟到原定启用日期之后。

能源结构也将检验 Microsoft 的环境承诺。该公司表示，在 2025 财年，其通过采购可再生能源来匹配年度用电量。年度匹配并不意味着每个设施在每个小时都获得无碳电力。

Microsoft 此前追求过一项目标要求更高的按小时匹配方案。有报道称，该公司曾考虑推迟或放弃这一目标，这反映出快速建设与气候承诺之间的张力。38 吉瓦计划使这种张力更难被视为次要问题。

可信的路径应结合更快的电网建设、更清洁的稳定发电、高效冷却，以及透明的社区协议。若依赖短期补救措施，却没有相应增加清洁能源，监管和公众阻力将加剧。

客户应关注这些信号，因为产能会在 2032 年之前很久就影响产品选择。更充足的供应可以改善加速器的获取渠道、减少部署排队，并支持更稳定的区域可用性。持续短缺可能促使组织转向多云架构和替代模型提供商。

Microsoft 的数据中心扩张归根结底是一场基础设施执行力的考验。该公司已经识别出需求、承诺投入资本，并设定了一个规模庞大的目标。它仍须将电力规划转化为可靠的计算服务。

对企业领导者而言，下一步很务实：确认所需的 Azure 容量是否在获批准区域可用，并记录不可用时的应对方案。对开发者而言，应测试关键工作负载能否在无需全面重构的情况下跨硬件或服务商迁移。

随后，在下一轮财报周期中关注三个答案：限制是否正在缓解、已安装系统是否正变得可计费，以及电力协议能否让建设按计划推进。这些答案将揭示 Microsoft 是在修复短缺，还是在押注明日的过剩。